类似的课题也比较多，都是关注药物或者其他方式干预后单细胞或组织微环境的变化，这种数据价值比较真贵，毕竟要追踪一个病人的治疗前后，还要拿到组织
这篇文章用到的单细胞数据对空间数据进行整合的方法
单细胞测序与空间组学揭示免疫化疗耐药新机制
近日，《Nature Genetics》发表了一篇题为《Multi-omic profiling highlights factors associated with resistance to immuno-chemotherapy in non-small-cell lung cancer多组学分析揭示非小细胞肺癌免疫化疗耐药相关因素》的研究论文。本研究通过单细胞RNA测序（scRNA-seq）和空间组学技术，深入探索了非小细胞肺癌（NSCLC）在免疫检查点抑制剂（ICB）联合化疗前后肿瘤微环境（TME）的变化，为精准医学提供了新视角。
研究背景与意义
免疫检查点抑制剂（如PD-1抑制剂）已显著改善晚期NSCLC患者的治疗效果。然而，仍有大量患者对这种治疗方式表现出耐药性，其潜在机制尚未完全阐明。本研究利用单细胞测序技术和空间转录组学，分析了19名NSCLC患者的肿瘤样本（共232,080个细胞），比较了治疗响应者与非响应者的细胞状态及空间分布。
关键发现一：胶原蛋白沉积阻碍T细胞浸润
研究表明，在治疗后非响应者中，肿瘤边界处的COL11A1阳性癌相关成纤维细胞（CAF）显著富集，并通过与SPP1阳性巨噬细胞相互作用促进胶原蛋白纤维沉积。这种沉积形成物理屏障，阻碍了T细胞的浸润，从而抑制了抗肿瘤免疫反应。此外，单细胞数据揭示，COL11A1阳性CAF高度表达的TGF-β相关基因，进一步加剧了肿瘤免疫抑制微环境的形成。
关键发现二：三级淋巴结构与治疗预后相关
三级淋巴结构（TLS）被认为是调控抗肿瘤免疫的重要组成部分。研究发现，激活状态的TLS与患者更好的预后相关，而低氧环境则可能抑制TLS的发育。非响应者的TLS多处于衰退状态，并表现出高水平的缺氧和糖酵解相关基因表达，这可能是其治疗效果不佳的重要原因。
关键发现三：单细胞测序与空间组学的结合
本研究首次将单细胞测序与空间转录组学结合，揭示了不同细胞类型的空间分布特征。研究显示，肿瘤边界处的COL11A1阳性CAF、SPP1阳性巨噬细胞以及位于肿瘤核心区域的癌细胞具有明确的空间组织关系。这种空间结构在非响应者中尤为显著，提示其可能作为免疫治疗失败的标志物。
方法亮点
单细胞RNA测序：通过对232,080个细胞进行深度分析，研究团队定义了14种癌细胞状态，并进一步揭示了其与治疗响应的相关性。
空间组学：利用GeoMx和10x Visium平台，重建了肿瘤微环境的空间组织结构，提供了细胞间相互作用的重要线索。
多组学整合分析：通过NicheNet等计算方法，预测了CAF与巨噬细胞间的信号传导途径，揭示了TGF-β和SPP1-CD44轴在免疫抑制中的关键作用。
临床意义与展望
该研究为NSCLC的个体化治疗提供了新思路：
标志物开发：COL11A1阳性CAF和SPP1阳性巨噬细胞可作为潜在的治疗靶点或预后标志物。
联合治疗策略：通过靶向胶原蛋白沉积或重塑肿瘤微环境，可望增强ICB的治疗效果。
TLS的调控：未来可探索改善TLS发育和功能的方法，以提升免疫治疗的长期效果。
Yan, Y., Sun, D., Hu, J. et al. Multi-omic profiling highlights factors associated with resistance to immuno-chemotherapy in non-small-cell lung cancer. Nat Genet (2024).
作者也提供了部分空间数据分析的代码，比如SpaceScanner这个比价好，能讲 HE图片应用起来，识别一些特殊的区域和边界
后苔↩️之前贴子的岸号即可霍得代码，今日关键词：241214
